[發明專利]超聲視頻病灶檢測方法及裝置有效
| 申請號： | 202111065766.4 | 申請日： | 2020-11-25 |
| 公開（公告）號： | CN113781440B | 公開（公告）日： | 2022-07-29 |
| 發明（設計）人： | 馬璐;王東;王立威;張文濤;王子騰;張佳琦;丁佳;胡陽;呂晨翀 | 申請（專利權）人： | 北京醫準智能科技有限公司;廣西醫準智能科技有限公司 |
| 主分類號： | G06T7/00 | 分類號： | G06T7/00;G06T7/11;G06T7/62;G06T7/73;G06V10/764;G06V10/82;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 北京樂知新創知識產權代理事務所(普通合伙) 11734 | 代理人： | 王瞾寅 |
| 地址： | 100083 北京市海淀區知春*** | 國省代碼： | 北京;11 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 超聲 視頻 病灶 檢測 方法 裝置 | ||
1.一種超聲視頻病灶檢測方法，其特征在于，所述方法包括：
獲取超聲影像包括的每幀圖像；
利用自下向上網絡逐層獲取每幀所述圖像的特征矩陣；
利用自上向下網絡逐層對每幀所述圖像上采樣，得到上采樣對應的特征矩陣；
將所述上采樣對應的特征矩陣與所述每幀所述圖像的特征矩陣進行降維卷積處理，得到降維后的特征矩陣；
將所述降維后的特征矩陣與對應的所述上采樣對應的特征矩陣進行相加運算；
將所述自上向下網絡的額外反饋信息輸入所述自下向上網絡，得到所述超聲影像對應的特征矩陣；
利用可變形卷積網絡確定所述超聲影像對應的特征矩陣對應的特征偏移；
基于所述特征偏移和所述特征矩陣，確定新的特征矩陣；
利用長短期記憶網絡確定所述超聲影像中相鄰兩幀圖像對應的新的特征矩陣；
將所述新的特征矩陣輸入添加注意力機制的網絡，得到所述超聲影像對應的病灶分類和位置。
2.根據權利要求1所述的方法，其特征在于，所述利用可變形卷積網絡確定所述超聲影像對應的特征矩陣對應的特征偏移，包括：
將所述特征矩陣輸入至所述可變形卷積網絡，得到所述特征矩陣在第一方向和第二方向的特征偏移。
3.根據權利要求1所述的方法，其特征在于，所述基于所述特征偏移和所述特征矩陣，確定新的特征矩陣，包括：
將所述特征偏移與所述特征矩陣進行卷積運算，得到所述新的特征矩陣。
4.一種超聲視頻病灶檢測裝置，其特征在于，所述裝置包括：
病灶檢測模塊，用于獲取超聲影像包括的每幀圖像；
利用自下向上網絡逐層獲取每幀所述圖像的特征矩陣；
利用自上向下網絡逐層對每幀所述圖像上采樣，得到上采樣對應的特征矩陣；
將所述上采樣對應的特征矩陣與所述每幀所述圖像的特征矩陣進行降維卷積處理，得到降維后的特征矩陣；
將所述降維后的特征矩陣與對應的所述上采樣對應的特征矩陣進行相加運算；
將所述自上向下網絡的額外反饋信息輸入所述自下向上網絡，得到所述超聲影像對應的特征矩陣；
利用可變形卷積網絡確定所述超聲影像對應的特征矩陣對應的特征偏移；
基于所述特征偏移和所述特征矩陣，確定新的特征矩陣；
利用長短期記憶網絡確定所述超聲影像中相鄰兩幀圖像對應的新的特征矩陣；
將所述新的特征矩陣輸入添加注意力機制的網絡，得到所述超聲影像對應的病灶分類和位置。
5.根據權利要求4所述的裝置，其特征在于，所述病灶檢測模塊，用于將所述超聲影像對應的特征矩陣輸入至所述可變形卷積網絡，得到所述特征矩陣在第一方向和第二方向的特征偏移。
6.根據權利要求4所述的裝置，其特征在于，將所述特征偏移與所述特征矩陣進行卷積運算，得到所述新的特征矩陣。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于北京醫準智能科技有限公司;廣西醫準智能科技有限公司，未經北京醫準智能科技有限公司;廣西醫準智能科技有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202111065766.4/1.html，轉載請聲明來源鉆瓜專利網。
- 上一篇：一種變電站操作回路監測與故障分析方法
- 下一篇：一種水箱
